Méthodes de calcul
Exemple commun
Toutes les tables de cette page utilisent le même problème de Cauchy :
\[ y' = y,\qquad y(0) = 1,\qquad h = 0.5. \]
Solution exacte : \( y(x) = e^{x} \). Après deux pas : \( y(0{,}5) \approx 1{,}648721 \), \( y(1) \approx 2{,}718282 \).
Ouvrez le même réglage sur le calculateur EDO-1.
Méthode d’Euler
Euler explicite est d’ordre 1. Depuis \( (x_n, y_n) \), on prend la pente \( k_1 = f(x_n, y_n) \) et on avance de \( h \) :
\[ y_{n+1} = y_n + h\,k_1,\qquad x_{n+1} = x_n + h. \]
/**
* One explicit Euler step for y′ = f(x, y).
* @param {(x: number, y: number) => number} f right-hand side
* @param {number} x current x
* @param {number} y current y
* @param {number} h step size
* @returns {{ x: number, y: number, k1: number }}
*/
function eulerStep(f, x, y, h) {
const k1 = f(x, y)
return { x: x + h, y: y + h * k1, k1 }
}
Deux pas : \( y_1 = 1{,}5 \), \( y_2 = 2{,}25 \).
| i | x | y | k₁ | x′ | y′ |
|---|---|---|---|---|---|
| 0 | 0 | 1 | 1 | 0.5 | 1.5 |
| 1 | 0.5 | 1.5 | 1.5 | 1 | 2.25 |
Méthode de Heun (RK2)
Heun (Euler amélioré, RK2 explicite) est d’ordre 2 : prédiction d’Euler, puis moyenne de deux pentes :
\[ k_1 = f(x_n,y_n),\qquad k_2 = f(x_n+h,\, y_n + h\,k_1),\qquad y_{n+1} = y_n + \tfrac{h}{2}(k_1 + k_2). \]
/**
* One Heun (explicit RK2) step for y′ = f(x, y).
* @param {(x: number, y: number) => number} f right-hand side
* @param {number} x current x
* @param {number} y current y
* @param {number} h step size
* @returns {{ x: number, y: number, k1: number, k2: number }}
*/
function heunStep(f, x, y, h) {
const k1 = f(x, y)
const k2 = f(x + h, y + h * k1)
return { x: x + h, y: y + (h * (k1 + k2)) / 2, k1, k2 }
}
On obtient \( y_1 = 1{,}625 \), \( y_2 = 2{,}640625 \).
| i | x | y | k₁ | k₂ | x′ | y′ |
|---|---|---|---|---|---|---|
| 0 | 0 | 1 | 1 | 1.5 | 0.5 | 1.625 |
| 1 | 0.5 | 1.625 | 1.625 | 2.4375 | 1 | 2.640625 |
Runge–Kutta d’ordre 4 (RK4)
RK4 explicite classique — ordre 4, quatre évaluations de pente :
\[ y_{n+1} = y_n + \tfrac{h}{6}(k_1 + 2k_2 + 2k_3 + k_4). \]
/**
* One classical 4th-order Runge–Kutta step for y′ = f(x, y).
* @param {(x: number, y: number) => number} f right-hand side
* @param {number} x current x
* @param {number} y current y
* @param {number} h step size
* @returns {{ x: number, y: number, k1: number, k2: number, k3: number, k4: number }}
*/
function rk4Step(f, x, y, h) {
const k1 = f(x, y)
const k2 = f(x + h / 2, y + (h * k1) / 2)
const k3 = f(x + h / 2, y + (h * k2) / 2)
const k4 = f(x + h, y + h * k3)
return {
x: x + h,
y: y + (h * (k1 + 2 * k2 + 2 * k3 + k4)) / 6,
k1, k2, k3, k4,
}
}
Après deux pas, \( y_2 \approx 2{,}717346 \) contre \( \approx 2{,}718282 \) exact.
| i | x | y | k₁ | k₂ | k₃ | k₄ | x′ | y′ |
|---|---|---|---|---|---|---|---|---|
| 0 | 0 | 1 | 1 | 1.25 | 1.3125 | 1.65625 | 0.5 | 1.6484375 |
| 1 | 0.5 | 1.6484375 | 1.6484375 | 2.060546875 | 2.16357421875 | 2.730224609375 | 1 | 2.71734619140625 |
Comparer en \( x = 1 \)
| Méthode | y(1) | Erreur ≈ |
|---|---|---|
| Exact \(e^{1}\) | 2.718282 | — |
| Euler | 2.25 | 0.468 |
| RK2 (Heun) | 2.640625 | 0.078 |
| RK4 | 2.717346 | 0.00094 |
Sur la page du champ de directions, les trois schémas peuvent être activés ensemble avec table des pas / CSV.